open-llm-leaderboard-old/details_AA051615__A0204
收藏Hugging Face2024-02-04 更新2024-06-22 收录
下载链接：
https://hf-mirror.com/datasets/open-llm-leaderboard-old/details_AA051615__A0204
下载链接
链接失效反馈官方服务：
资源简介：
该数据集是在模型AA051615/A0204的评估运行期间自动创建的，用于Open LLM Leaderboard的评估。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行的结果作为一个特定的分割存储，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何加载数据集中的运行细节的示例代码，并展示了最新的评估结果。
该数据集是在模型AA051615/A0204的评估运行期间自动创建的，用于Open LLM Leaderboard的评估。数据集由63个配置组成，每个配置对应一个评估任务。数据集从1次运行中创建，每次运行的结果作为一个特定的分割存储，分割名称使用运行的时间戳。train分割始终指向最新的结果。此外，还有一个名为results的配置，存储了所有运行的聚合结果，用于计算和显示Open LLM Leaderboard上的聚合指标。README还提供了如何加载数据集中的运行细节的示例代码，并展示了最新的评估结果。
提供机构：
open-llm-leaderboard-old
原始信息汇总
数据集概述
数据集创建
- 创建背景：该数据集是在模型 AA051615/A0204 在 Open LLM Leaderboard 上的评估运行期间自动创建的。
- 数据集组成：包含 63 个配置，每个配置对应一个评估任务。
- 创建次数：数据集由 1 次运行创建，每个运行可以在每个配置中找到特定的分割，分割名称使用运行的时间戳。
- 最新结果："train" 分割始终指向最新结果。
- 结果汇总：一个额外的配置 "results" 存储所有运行的汇总结果，用于计算和显示 Open LLM Leaderboard 上的聚合指标。
数据加载示例
python from datasets import load_dataset data = load_dataset("open-llm-leaderboard/details_AA051615__A0204", "harness_winogrande_5", split="train")
最新结果
- 结果来源：这些是最新结果，来自 2024-02-04T22:24:08.088490 的运行。
- 结果内容：包含多个任务的准确率（acc）、标准化准确率（acc_norm）、标准误差（acc_stderr、acc_norm_stderr）等指标。
配置详情
- 配置名称：包括
harness_arc_challenge_25、harness_gsm8k_5、harness_hellaswag_10、harness_hendrycksTest_5等。 - 数据文件：每个配置包含多个数据文件，路径格式为
**/details_harness|任务名称|5_2024-02-04T22-24-08.088490.parquet，分割包括2024_02_04T22_24_08.088490和latest。
